摘要： 概率积分法作为一种通用的采煤沉陷预计方法,在厚松散层矿区应用中存在边缘收敛过快、沉陷预计 失准等问题,给厚松散层矿区“三下”采煤及环境保护带来了一定的困难。为此,在概率积分法基础上提出了一种基 于分段加权赋参的厚松散层矿区沉陷预计方法,将监测点根据工作面位置划分为内、外2 个区段,分别获取相应预计 参数,利用建立的自适应赋权模型对其预计结果进行加权组合;在此基础上,为提升参数反演精度,分别基于标准粒 子群算法和自适应模拟退火粒子群算法进行参数反演研究;同时,为提升赋权模型性能,建立了2 种自适应赋权模型 进行模型优选。试验结果表明:与概率积分法相比,基于分段加权赋参的沉陷预计方法计算的下沉预计值与实测数 据更接近,2 种赋权模型计算结果的残差平方和分别为0. 007 1 m2、0. 005 8 m2,小于概率积分法的0. 020 3 m2;2 种赋 权函数模型相比,模型2 精度更高、效果更好;相同条件下,自适应模拟退火粒子群算法精度优于标准粒子群算法。试 验结果验证了矿区分区段预计的可行性,反映出该方法能够有效解决概率积分法在厚松散层矿区应用中边缘收敛过 快的问题,对厚松散层矿区的沉陷预计有一定的参考意义。

关键词: 开采沉陷　厚松散层　概率积分法　参数反演　分区段预计　粒子群算法